---
title: "折線圖（Line Chart）"
slug: line-chart
language: zh-TW
source: https://aiterms.tw/terms/line-chart
updated_at: 2026-06-22
tags: [資料視覺化, 統計圖表, 訓練監控, 時序資料, iPAS]
ipas_term: false
---

# 折線圖（Line Chart）

以連續折線呈現資料隨時間或有序類別變化趨勢的統計圖表，是資料視覺化的基礎工具。

## 完整說明

折線圖（Line Chart）是資料視覺化中最基礎且常用的圖表類型之一，透過將資料點以線段依序連接，清楚呈現數值隨時間或有序維度的變化趨勢。在 AI 與機器學習領域，折線圖常用於呈現訓練曲線、模型效能變化與時序預測結果。

## 常見問題

### 折線圖和長條圖應該如何選擇？

選擇圖表類型的核心問題是：資料的 X 軸是否有意義的連續順序？折線圖適合 X 軸代表連續時間或有序類別（如月份、訓練輪次 Epoch），折線的斜率和走勢本身就傳遞了資訊。長條圖適合 X 軸是離散且無順序的類別（如不同國家、不同模型名稱），各類別之間的先後順序可以任意調換。一個常見錯誤是將類別型資料用折線圖呈現，讓讀者誤以為類別之間有連續的漸變關係。反之，若將明顯有時間序列關係的資料（如每日銷售額）用長條圖呈現，雖然技術上沒有錯誤，但折線圖會更清楚地傳遞趨勢資訊。

### 在機器學習訓練中，如何從損失曲線折線圖判斷模型狀態？

損失曲線是診斷模型訓練狀態的核心工具。正常狀態：訓練損失與驗證損失都持續下降，且差距不大，代表模型正在有效學習。過擬合信號：訓練損失繼續下降，但驗證損失在某個 Epoch 後開始上升，說明模型記住了訓練資料的雜訊，需要加入正則化、Dropout 或早停（Early Stopping）。欠擬合信號：訓練損失下降緩慢或停滯在高值，驗證損失也居高不下，可能需要增加模型容量、調整學習率或增加訓練時間。學習率問題：損失曲線劇烈震盪（鋸齒狀），通常是學習率過高；損失曲線幾乎不動，可能是學習率過低或梯度消失。

### 多條折線圖如何避免讀起來混亂？

多條折線圖的可讀性關鍵在於視覺層次設計。首先，限制折線數量，一張圖最多 5-7 條折線，超過時應考慮分拆成多個子圖（Facet）或使用互動式圖表讓使用者選擇顯示哪些折線。其次，為每條折線選擇明顯不同的顏色，並在語意上對應（例如用藍色代表訓練集、橙色代表驗證集）。若圖表需要黑白列印，可加入不同線條樣式（實線、虛線、點線）作為區別。第三，圖例位置應放在不遮蔽資料的位置，或直接在折線末端標注名稱（Direct Labeling），讓讀者不必往返查閱圖例。若某條折線是主要關注對象，可加粗其線條，讓其他折線變細變淡作為背景。

---

來源：https://aiterms.tw/terms/line-chart
快查頁：https://aiterms.tw/terms/line-chart
最後更新：2026/06/22
深度解說：https://aiterms.tw/learning/what-is-line-chart